1.寻找理论做支撑；比如说，在哪些文献中提到了A与C是没有直接作用的，这些文献也是别人的实证结果。
2. 是否应该从经典心理学、社会学理论中寻找依据，从而证实你的结论。
3.你要反思，你的A量表是否在编制目的、情境、语境中是否与C保持方向一致性。
4. 哪怕B是完全中介，你也要说出完全中介的理由。
自圆其说，引经据典是论文。

A的题目有问题的话，那么A-B的不久也有问题了吗？

那要看你的量表编制情况了。
比如A是新型冠状病毒，C是治愈出院，B是药物。现在你得出的结论是新型冠状病毒的人群想治愈出院必须依靠药物。
你在编制看A是否患病的依据肯定有发烧，咳嗽，阳性；出院的依据是体温正常，不咳嗽，转阴。那么，现在，A患病缺少一个判断项（如潜伏时间14天），那B的完全中介已经存在，你能说B药物的研发是有问题吗？显然不能吧？
所以，我的意思是：如果B作为一个完全中介，你对这个结论一定要持质疑态度的话，你肯定是要怀疑A和C是否情境一致，即潜伏14天的A，治愈出院也要观察14天。双方情境条件对待，持一样的目的，那B如果还是完全中介，你根本无需质疑。
我这么讲，不知道你是否能明白？

你这个问题非常的大，不是那么好用三言两语可以解释的通。
在这里，我就给你提供一些心理学和统计学的思路供你参考。
比如（1）Covariance（共变）：因变量C是否因为自变量A的影响而发生变化？不同值的自变量是否有相对应的不同值的因变量。因为在这里你引入了变量B来充当A和C的中介，如果你换一个变量D来充当A和C的中介，这样的解释是否依然行得通，如果不可以的话，那么A通过B作用于C这种观点是不能被否定的；
（2）Temporal Precedence（时间先后性）：在心理学和统计学上，解释因果关系，由于人们先入为主的观念，很多时候都是通过时间的先后顺序来实现的，那么如果A发生了变化，B接着发生变化，然后最后导致C的变化，那么我们也就不能排除A通过B作用于C这种观点的合理性；
（3）Internal Validity（内部效度）：可以采用双盲法，比如你将C可能存在的影响因素都列出来，为A，B，A1，A2，A3...，分为一组X；A发生了变化可能产生的结果都列出来，记为B，C，C1，C2，C3...，分为一组Y。如果组X中，C与B的相关度（这里你可以采用你认为合适的相关性测度算法）最高，在组Y中，B与A的相关度最高，那么就不能排除A通过B作用于C这种观点的合理性，但是这里你如果得出B与A的相关度*（只是个符号，可以是矢量上的乘法）C与B的相关度=C与A的相关度，那么我们就可以拒绝A直接作用于C；
（4）使用工具变量法：将A的影响作用分为B,B1,B2,B3....，建立方程C=B*X1+B1*X2+B2*X3+....，然后进行回归检验，得出只有x1=0是被拒绝的，那么也可以得出A是通过B作用于C；
（5）还有一种就是路径分析法，这应该已经不能简单属于前面提到的心理学和统计学范畴了，就是通过模拟A变化形成的衍生路径，经过一定的模拟，判断有多少概率直接到达C点，有多少概率通过B点后再到达C点，这里面只是一个思维概要，详细的实现过程会有点复杂，但是如果是写论文的话，你可以看看国外是否已经有过实现这类分析的案例，然后借用国外的成果来支持自己的论据。
以上就是这个问题的一小点参考方向，祝论文顺利~